論文の概要: From Synthetic Data to Real Restorations: Diffusion Model for Patient-specific Dental Crown Completion

• arxiv url: http://arxiv.org/abs/2603.26588v1
• Date: Fri, 27 Mar 2026 16:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.601664
• Title: From Synthetic Data to Real Restorations: Diffusion Model for Patient-specific Dental Crown Completion
• Title（参考訳）: 合成データから実際の修復まで:患者固有の歯冠補綴物の拡散モデル
• Authors: Dávid Pukanec, Tibor Kubík, Michal Španěl,
• Abstract要約: トゥースクラフト(英: ToothCraft)は、歯冠の文脈生成のための拡散モデルである。 局所解剖学的条件で自動歯冠補修が可能なモデルを開発した。 本実験は,本モデルが実世界の症例に直接適用可能であることを示し,不完全な歯を効果的に充填することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present ToothCraft, a diffusion-based model for the contextual generation of tooth crowns, trained on artificially created incomplete teeth. Building upon recent advancements in conditioned diffusion models for 3D shapes, we developed a model capable of an automated tooth crown completion conditioned on local anatomical context. To address the lack of training data for this task, we designed an augmentation pipeline that generates incomplete tooth geometries from a publicly available dataset of complete dental arches (3DS, ODD). By synthesising a diverse set of training examples, our approach enables robust learning across a wide spectrum of tooth defects. Experimental results demonstrate the strong capability of our model to reconstruct complete tooth crowns, achieving an intersection over union (IoU) of 81.8% and a Chamfer Distance (CD) of 0.00034 on synthetically damaged testing restorations. Our experiments demonstrate that the model can be applied directly to real-world cases, effectively filling in incomplete teeth, while generated crowns show minimal intersection with the opposing dentition, thus reducing the risk of occlusal interference. Access to the code, model weights, and dataset information will be available at: https://github.com/ikarus1211/VISAPP_ToothCraft
• Abstract（参考訳）: 人工的に作製した不完全な歯を応用した歯冠のコンテキスト生成のための拡散モデルであるTothCraftを提案する。 3次元形状に対する条件付き拡散モデルの最近の進歩に基づき,局所解剖学的文脈に基づく自動歯冠完成モデルを構築した。 この課題のトレーニングデータ不足に対処するため,我々は,歯列の完全なデータセット(3DS, ODD)から不完全な歯のジオメトリーを生成する拡張パイプラインを設計した。 多様なトレーニング例を合成することにより,幅広い歯の欠陥領域にわたる堅牢な学習を可能にした。 実験の結果, 完全歯冠の修復能力は, 81.8%の癒合 (IoU) と0.00034のシャンファー距離 (CD) の交差を達成し, 人工的に損傷した歯冠の修復に有効であることが確認された。 本実験により, 歯冠は歯列との交差が最小限であり, 咬合干渉のリスクを低減できることがわかった。 コード、モデルウェイト、データセット情報へのアクセスは、https://github.com/ikarus1211/VISAPP_ToothCraft.comで提供される。

関連論文リスト

• DM-CFO: A Diffusion Model for Compositional 3D Tooth Generation with Collision-Free Optimization [20.638904379060573]
  そこで本研究では, DM-CFOと命名された歯質形成のためのアプローチを提案する。 提案手法は, 既存の方法と比較して, 歯の多面的整合性とリアリズムを著しく改善することを示す。
  論文  参考訳（メタデータ） (2026-03-04T00:25:09Z)
• Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training [53.77904429789069]
  本稿では, 歯列検出のための新しいDual-View Co-TrainingネットワークであるAttention-TNetについて紹介する。 OurTNetは、自動歯肉検出を用いて、パノラマX線画像からのグローバルビューと、収穫した歯肉画像からのローカルビューの2つの補完的なビューを確立する。 両ビューからの情報を効果的に統合するために,Gated Cross-Viewモジュールを導入する。
  論文  参考訳（メタデータ） (2025-08-28T14:13:26Z)
• Tooth-Diffusion: Guided 3D CBCT Synthesis with Fine-Grained Tooth Conditioning [0.0]
  歯面2次属性でガイドされた3次元歯量生成のための条件付き拡散フレームワークを提案する。 本手法では,ウェーブレットをベースとした denoising diffusion, FiLM conditioning, マスク付き損失関数を統合して, 関連する解剖学的構造を学習する。 その結果, FIDスコアが低く, 塗装性能が良好で, SSIM値が0.91以上であった。
  論文  参考訳（メタデータ） (2025-08-19T21:21:35Z)
• ToothForge: Automatic Dental Shape Generation using Synchronized Spectral Embeddings [0.4799822253865054]
  ToothForgeは、新しい3D歯を自動生成するためのスペクトルアプローチである。 形状スペクトルを生成するには 分解されたハーモニクスの不安定さが伴う 同期モデリングは、以前のメソッドによって課された制限要素を取り除く。
  論文  参考訳（メタデータ） (2025-06-03T09:56:22Z)
• TeethDreamer: 3D Teeth Reconstruction from Five Intra-oral Photographs [45.0864129371874]
  そこで我々は,上下顎歯の形状と位置を復元する3次元再構築フレームワークTeethDreamerを提案する。 口腔内5枚の写真から,まず大きな拡散モデルの事前知識を活用して,新しい多視点画像を生成する。 生成したビュー間の3D整合性を確保するために,逆拡散プロセスに3D対応機能アテンション機構を統合する。
  論文  参考訳（メタデータ） (2024-07-16T06:24:32Z)
• Automatic Tooth Arrangement with Joint Features of Point and Mesh Representations via Diffusion Probabilistic Models [33.75061391364549]
  歯の整列は矯正治療において重要なステップであり、歯の整列は全体の健康を改善し、顔の美学を高め、自信を高める。 未経験者による歯のアレンジメントの効率化と不合理なデザインによる誤りの最小化を目的として, 深層学習に基づく歯のアレンジメント手法が提案されている。
  論文  参考訳（メタデータ） (2023-12-23T02:27:15Z)
• TSegFormer: 3D Tooth Segmentation in Intraoral Scans with Geometry Guided Transformer [47.18526074157094]
  歯科用歯冠および歯肉の詳細な3D情報を提供するために, 歯科用光学式歯内スキャナー (IOS) が広く用いられている。 既往の方法は複雑な境界においてエラーを起こしやすく、患者間で不満足な結果を示す。 マルチタスク3Dトランスフォーマアーキテクチャを用いて, 歯の局所的および大域的依存関係とIOS点群における歯肉の象牙質の両方をキャプチャするTSegFormerを提案する。
  論文  参考訳（メタデータ） (2023-11-22T08:45:01Z)
• Construction of unbiased dental template and parametric dental model for precision digital dentistry [46.459289444783956]
  CBCT画像から正確な歯科用アトラスを作製し, 歯のセグメンテーションを誘導するアンバイアスド歯科用テンプレートを開発した。 実際の被写体のCBCT画像159枚を収集して施工する。
  論文  参考訳（メタデータ） (2023-04-07T09:39:03Z)
• ToothInpaintor: Tooth Inpainting from Partial 3D Dental Model and 2D Panoramic Image [35.72913439096702]
  矯正治療では、クラウンとルートの両方からなる完全な歯のモデルが不可欠である。 本稿では, 部分的な3次元歯科モデルと2次元パノラマ画像とを入力として用いた, ToothInpaintor と呼ばれるニューラルネットワークを提案する。 我々は,ニューラルネットワークを用いて学習した潜伏空間に入力を投影し,入力に条件付けされた歯の完全なモデルを得ることに成功した。
  論文  参考訳（メタデータ） (2022-11-25T18:15:22Z)
• An Implicit Parametric Morphable Dental Model [79.29420177904022]
  歯および歯茎の3次元異形性モデルとして, 第一報を提出した。 これは、各歯と歯茎のコンポーネントワイド表現と、これら各コンポーネントの学習可能な潜在コードに基づいている。 我々の復元品質は、新しいアプリケーションを実現しつつ、最も先進的なグローバルな暗黙の表現と同等です。
  論文  参考訳（メタデータ） (2022-11-21T12:23:54Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。